Új antimikrobiális molekulák keresése a Codex és a ChatGPT segítségével

A gyógyszereknek ellenálló mikrobák – köztük baktériumok, gombák, paraziták és vírusok – egyre nagyobb globális fenyegetést jelentenek. 2021-ben mintegy ötmillió haláleset volt összefüggésbe hozható⁠(új ablakban nyílik meg) a baktériumok antimikrobiális szerekkel szembeni rezisztenciájával – ez az éves szám az előrejelzések szerint 2050-re nagyjából megduplázódik. Évekbe telhet olyan molekulákat találni, amelyekből antimikrobiális szerek válhatnak. A kutatók MI segítségével gyorsítják fel a felfedezési folyamat e korai szakaszát.

„Véleményem szerint az antimikrobiális rezisztencia az emberiséget fenyegető egyik legsúlyosabb létkérdés” – mondta César de la Fuente⁠(új ablakban nyílik meg) biomérnök, akinek interdiszciplináris laborja lehetséges antimikrobiális szereket keres. „Ennek ellenére 50 éve nem született új antibiotikum-osztály.”

A modern antimikrobiális szerek fejlesztése nagyrészt a meglévő gyógyszerek módosítására vagy ismert vegyületosztályok vizsgálatára összpontosít. Ez a megközelítés azonban egyre kevesebb eredményt hoz.

De la Fuente laborja egy jóval kevésbé feltárt területről indul: az élet kódjából. A munka alapgondolata az, hogy a biológia információs rendszer. „A DNS-t alkotó nukleotidok, valamint a fehérjéket és peptideket felépítő aminosavak egyfajta ábécét alkotnak” – mondta de la Fuente. „Azáltal, hogy a biológiára információként tekintünk, olyan módszereket dolgozhattunk ki, amelyekkel elkezdhetjük megfejteni az élet funkcionális molekulákat létrehozó szerveződési elveit.”

A labor mélytanulási modelljeit a biológiai szekvenciák mintázatainak felismerésére tanítják, így hatalmas genom- és fehérje-adathalmazokban kereshetnek lehetséges antimikrobiális szereket. Ezzel a megközelítéssel a lehetséges molekulák kezdeti keresése évekről órákra rövidíthető.

Saját MI-modelljei mellett a labor a ChatGPT és a Codex segítségével ötletel hipotéziseken, ír és finomít kódot, dolgoz fel adathalmazokat, elemez eredményeket, valamint kapcsol össze különböző tudományterületekről származó ötleteket.

A genomnak csak egy töredékéről tudjuk pontosan, milyen funkciót tölt be, és még ennél is kisebb része kódol olyan molekulákat, amelyek képesek felvenni a harcot a fertőző mikrobákkal. A feladat az, hogy azonosítsuk a molekulákat működőképessé, vagyis biológiailag aktívvá tevő mintázatokat, majd meghatározzuk, melyek lehetnek képesek leküzdeni a fertőző mikrobákat.

A tudósok régóta keresnek antimikrobiális szereket növényekben, állatokban, mikrobákban, rovarokban, vízben és talajban. Mintákat gyűjtenek, elkülönítik vagy megjósolják a lehetséges molekulákat, majd egy akár évekig tartó, ismétlődő folyamatban tesztelik őket.

A digitális genom- és fehérje-adatbázisok révén a tudósok ma már az élet egész fáján kereshetnek új vegyületeket, ami jelentősen kibővíti a kutatható adatok körét. Ez az információbőség azonban sajátos kihívással jár: ígéretes jeleket kell találni a lehetőségek óriási tömegében.

Az MI különösen alkalmas erre a tűt-a-szénakazalban típusú feladatra. Hatalmas adathalmazokat vizsgálhat át, a kutatók számára nehezen észrevehető mintázatokat azonosíthat, és kísérleti tesztelésre rangsorolhatja a jelöltek kezelhető méretű körét.

Egy ígéretes jelölt azonosítása azonban nem feltétlenül jelenti azt, hogy abból hatékony gyógyszer lesz.

A tudósoknak először igazolniuk kell, hogy a kiválasztott molekula elpusztítja a célzott mikrobát, meg kell határozniuk a hatásos mennyiséget, és tesztelniük kell az emberi sejtekre gyakorolt hatását. A vegyészek ezután optimalizálhatják a molekulát, hogy javítsák hatékonyságát, biztonságosságát vagy stabilitását.

További vizsgálatokkal mérik fel, milyen dózisnál válik mérgezővé a jelölt, milyen könnyen alakul ki vele szemben rezisztencia a mikrobákban, és hogyan halad át a szervezeten. A csapatoknak a molekula megbízható előállítási módját is meg kell határozniuk. Az akadályokat sikeresen vevő jelölteknek még hatósági felülvizsgálaton és klinikai vizsgálatokon kell átesniük, mielőtt engedélyezett antimikrobiális gyógyszerként eljuthatnak a betegekhez.

De la Fuente szerint ezért kell az MI-nek és a laboratóriumi biológiának együtt fejlődnie. „Az MI előrejelzéseinek igazolásához elengedhetetlenek a valós kísérleti eredmények” – mondta. „Ez kulcsfontosságú lesz az élettudományokban az elkövetkező években, ha továbbra is szeretnénk legalább a felszínét megkapargatni annak, amit a létező legösszetettebb dologról, a biológiáról tudunk.”

Laborja élő és kihalt szervezetek genomjaiban kutat lehetséges molekulák után. E genomok átkutatása, az általuk kódolt fehérjék kialakulásának és működésének megértése, valamint a molekulák szerepének meghatározása több tudományterületet átfogó szakértelmet igényel.

„Rendkívül interdiszciplináris csoport vagyunk: biológusok, vegyészek, informatikusok és mérnökök dolgoznak nálunk” – mondta de la Fuente. A labor egyes tagjai kiváló programozók, de kevésbé jártasak a biológiában vagy a kémiában, másoknál pedig éppen fordítva van. A Codex és a ChatGPT segít áthidalni ezeket a tudásbeli különbségeket: a biológusok programokat készíthetnek, a programozók pedig biológiai problémákkal foglalkozhatnak. Ebben az értelemben az MI lebontja a tudományterületek közötti akadályokat.

Segít a labor tagjainak áttekinteni az interdiszciplináris munkájukhoz szükséges, kevésbé ismert témákat, tisztázni a szakkifejezéseket, összevetni a különböző területek módszereit, és rendszerezni a gyógyszerkutatással kapcsolatos ötleteket. Mások nagy genomikai adathalmazok letöltésére, rendszerezésére és előfeldolgozására használják az MI-t. A ChatGPT azt is lehetővé teszi, hogy a labor tagjai az anyanyelvükön dolgozzanak, így kevesebb akadály lassítja a munkafolyamataikat.

De la Fuente ötletelőpartnerként használja a ChatGPT‑t. Továbbra is a kollégáival együtt dolgozza ki az ötleteit, de nagyra értékeli, hogy az MI segít hipotézisekké formálni őket. Azt is kedveli, hogy egyetlen kattintással hozzáférhet a világ tudásához.

„A ChatGPT‑munkaterületünkre sok különböző embertől érkeznek gondolatok, akik eltérően közelítik meg az általunk megoldani kívánt problémákat” – mondta de la Fuente. A labor tagjai jó és rossz ötleteiket egyaránt megosztják vele, így egyfajta közös ötletpróbáló felületként működik.

Ugyanakkor óva int attól, hogy kizárólag az MI-re hagyatkozzunk. „A pontosságot természetesen mindig ellenőrizni kell” – mondta de la Fuente.

Mindemellett nagyra értékeli, hogy az MI segít a kutatóknak feltérképezni a tudományágak határterületeit. „Ott várnak felfedezésre az áttörések. Lényegében a tudományterületek peremén, ahová nagyon kevesen merészkednek.”

Ezt a munkát egy sokkal régebbre visszanyúló tudományos hagyomány részének tekinti. „Mindig is eszközökre és gépekre támaszkodtunk, hogy megértsük a körülöttünk lévő világot” – mondta de la Fuente. „A távcső megvilágította előttünk a kozmoszt, a mikroszkóp pedig feltárta a láthatatlan világát.” A gépek ma már a biológia megértésében, előrejelzésében és tervezésében segítik a kutatókat. „Erről szól a munkánk” – mondta.